GPT-5夜间防护升级，OpenAI修复92%系统漏洞

漏洞挖掘工作正式开启！OpenAI研发的Aardvark系统惊艳亮相，该工具已完成长达数月的内部测试，期间成功识别多个CVE漏洞，标志着安全防护正式迈入自动化时代。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

就在近日，OpenAI正式推出基于GPT-5技术的智能安全分析平台Aardvark，该系统专注于自动发现与修复代码安全漏洞。

目前，Aardvark仍处于Beta测试阶段。

OpenAI表示，Aardvark开创了"主动防御优先"的全新模式：作为自主安全研究智能体，它能够持续演进代码分析能力，为开发团队提供全天候的安全防护支持。

实际测试结果显示该智能体表现卓越：

在标准代码库的基准测试中，Aardvark对已知漏洞与人工植入漏洞的识别准确率高达92%。

通过早期漏洞捕获、实战化利用验证及清晰修复方案，在不影响创新节奏的前提下，该系统能有效强化整体安全体系。

OpenAI强调安全能力应当普惠共享，将在持续完善后逐步扩大服务范围。

颇具深意的是，Aardvark得名于夜行性的非洲食蚁熊，这种几乎完全以蚂蚁和白蚁为食的独居生物！

它夜间独自觅食蚂蚁和白蚁，正如这个基于GPT-5的智能体能够独立异步解决程序漏洞一样。（bug原义指"小虫"，但在计算机领域，它特指程序或系统中的错误、缺陷或漏洞。）

食蚁熊（学名：Orycteropus afer），又称土豚、土猪，是管齿目土豚科现存的唯一物种，属土豚属，是活化石动物。

这一命名一语双关，既突破OpenAI过往的命名传统，又不禁让人猜测：这会不会是GPT-5的正式代号？

Aardvark的工作原理

Aardvark能够不间断地分析源代码仓库，识别潜在漏洞、评估可利用性、划分严重等级，并针对性生成修复方案。

其核心机制是监控代码库的提交与变更，在识别漏洞的同时分析其潜在利用方式，并自动提供修复建议。

与传统依赖模糊测试或软件成分分析等程序分析技术不同，Aardvark运用大语言模型的推理能力与工具调用功能，从而准确理解代码行为并定位漏洞。

它如同专业安全研究员般进行漏洞挖掘：通过阅读代码、分析逻辑、编写运行测试用例、使用工具链等综合手段完成安全检测。

Aardvark采用多阶段流程实现漏洞识别、解析与修复——

分析阶段：首先对完整代码库进行全面分析，生成反映项目安全目标与设计架构的威胁模型。

提交commit扫描：比对提交的代码变更与完整代码库及威胁模型，实时检测新增漏洞。在首次接入仓库时，系统会扫描历史记录以识别现存问题，并以逐步解析方式说明发现的漏洞，为人工审核提供带标注的代码。

验证阶段：发现潜在漏洞后，系统会在隔离的沙箱环境中尝试触发漏洞以确认其可利用性。Aardvark会详细描述验证步骤，确保向用户反馈精准可靠、低误报率的分析结果。

修复阶段：Aardvark与OpenAICodex协同工作，为每个已识别的漏洞生成经过扫描验证的修复补丁。这些补丁附在检测报告中供人工审核，支持一键高效修复。

不过，某AI安全测试智能体初创公司首席执行官Daniel Knight提出了一个关键问题：

既然OpenAI正在开发编程智能体Codex，为何其生成的代码仍然存在安全隐患？

AI再次解放生产力

AI工程师saen认为这个应用场景堪称完美——

寻找漏洞需要系统性的推理和上下文理解，而这恰好是推理模型的强项：AI能思考百倍量级的情境，绝对能发现人类遗漏的边缘情况。

此外，Aardvark无缝集成GitHub、Codex及现有工作流程，和开发者协作，既能保障开发效率，又能提供清晰可行的安全洞察。

在整个工作流程中，中间有一个人工审核的步骤，之后还有另一个。

人类并没有被排除在外，而是被定位为质量把关的角色。

安全工程师可以松一口气：

与多数人的看法不同，Aardvark实际要求在修复程序运行之前，必须要由人工进行最终验证。

这是生产力放大器，而非替代品。

所以安全工程师无需担心Aardvark，而应该关注的是能否跟上这些智能体的工作速度。这才是真正的制约因素。

在两个月前，安全研究人员Efi Weiss也进行了相关探索。

他们搭建的系统采用多阶段流水线：

(1) 分析CVE通告与代码补丁；

(2) 生成既包含漏洞测试应用又包含利用代码；

(3) 通过对比漏洞版与已补丁版进行测试来验证利用代码，剔除误报。

将此流程规模化后，AI每天可以处理超过130条CVE信息流，而且比人类研究员更快且更具成本效益。

安全智能体崛起

软件正在吞噬世界，而AI正在吞噬软件。

大约8年前，黄仁勋曾如此预见。

软件漏洞已成为企业、基础设施乃至社会面临的系统性风险。

仅2024年，公共漏洞和暴露（CVE）数量就超过4万例，年增长率高达38%。

测试表明，只要提交约1.2%的代码就可能引入缺陷——这些微小变更可能引发巨大后果。

而威胁更大、对策更少的"零日漏洞"，其价格已从"豪车"飙升至"豪宅"水平